【技术实现步骤摘要】
古建筑脊兽装饰件巡检方法
[0001]本专利技术涉及古建筑装饰件检测领域。更具体地说,本专利技术涉及一种古建 筑脊兽装饰件巡检方法。
技术介绍
[0002]脊兽是安放于古建筑屋脊的装饰性构件,起到稳固屋脊、镇火防雨和分 散雷电的作用,蕴含了丰富的象征意义,具有重要的艺术和历史价值。由于 地震、雨水侵蚀等因素影响,导致古建筑脊兽装饰件丢失或破损,对建筑整 体的美学价值造成破坏,也使珍贵的文物资源流失。针对脊兽装饰件进行日 常巡检,统计出种类和数量,从而及时发现和修缮残损构件,对于古建筑日 常管理与维护具有重要意义。目前,针对脊兽件的巡检方式主要是通过定期 派遣工作人员进行巡查,依靠人眼目视解译,手动统计脊兽件的类型和数量, 记录残损或缺失件的位置。然后根据巡检报告在数据库管理系统中更新、录 入信息。由于古建筑群落建筑多、范围大、面积大,常规巡检频率高(例如 1次/周)。现有人工巡检方法存在一定局限性:
①
人力成本高,需要投入大量 人员参与巡检工作,并对工作人员进行培训,为其建立古建筑知识,人力成 本高;
②
作业效率低,屋脊脊兽位于古建筑较高标高位置,且易受游客观光 影响,目视巡检作业效率不高;
③
信息更新慢不及时,手工统计记录,信息 更新慢。
技术实现思路
[0003]本专利技术的一个目的是解决至少上述问题和/或缺陷,并提供至少后面将说 明的优点。
[0004]本专利技术还有一个目的是提供一种古建筑脊兽装饰件巡检方法,其实现了 大范围脊兽装饰 ...
【技术保护点】
【技术特征摘要】
1.古建筑脊兽装饰件巡检方法,其特征在于,包括:获取训练样本集,所述训练样本集中包括大量的已标注脊兽目标的脊兽图像;将所述脊兽图像输入至卷积神经网络模型中进行训练,并从所述卷积神经网络模型中获取与所述脊兽图像对应的最优检测特征图,所述卷积神经网络模型包括:n个卷积层模块构成的聚合卷积层模块和融入注意力机制的多尺寸卷积预测头模块,其中,n为大于等于1的整数,所述聚合卷积层模块用于提取脊兽图像的细粒度特征,所述多尺寸卷积预测头模块用于提取脊兽图像的语义信息;无人机根据设定的巡检点位和航线对古建筑脊兽装饰件定期进行巡检,在每个巡检点位均拍摄一组脊兽图像,使用训练完成的卷积神经网络模型对拍摄的一组脊兽图像进行检测,对多期的检测结果进行对比分析并判断脊兽装饰件是否发生损毁。2.如权利要求1所述的古建筑脊兽装饰件巡检方法,其特征在于,在所述聚合卷积层模块中,第一卷积层模块为基础卷积层,第二卷积层模块至第n卷积层模块具有统一的结构,均包括一个步长为2的卷积层和若干个深度聚合卷积进行跳层连接构成的残差块;其中,所述深度聚合卷积的具体处理过程为:步骤S1、输入特征图T
input
为H
×
W
×
M,使用滤波器组D
w
分别在输入特征图T
input
的M个通道上一一对应独立计算二维卷积,得到特征图T
d
;其中,H为输入特征图的高,W为输入特征图的宽,M为输入特征图的通道数;其中,所述滤波器组D
w
中包括M个滤波器,每个滤波器的大小为3
×
3;步骤S2、利用K
×
K滑动窗口,滑动步长为1,分别在特征图T
d
的M个通道上,为每个中心像素应用求和函数SUM(),计算范围内的元素代数和,得到特征图T
sum
,将输入特征图T
input
与特征图T
sum
在通道维度进行拼接得到特征图T
concat
;步骤S3、沿深度方向,使用滤波器P
w
计算特征图T
concat
的点卷积深度聚合特征,其中,所述滤波器P
w
的大小为1
×
1;步骤S4、重复步骤S3 F次,得到的输出特征图T
output
为H
×
W
×
F。3.如权利要求2所述的古建筑脊兽装饰件巡检方法,其特征在于,所述聚合卷积层模块具体处理过程为:当所述脊兽图像依次经过所述聚合卷积层模块中的第一卷积层模块,第二卷积层模块、第三卷积层模块、第四卷积层模块直至第n卷积层模块时,输入的脊兽图像的分辨率依次被缩减为1/2,同时通道数量依次被扩展为2倍,从而得到脊兽图像的细粒度特征。4.如权利要求2所述的古建筑脊兽装饰件巡检方法,其特征在于,所述多尺寸卷积预测头模块包括进行压缩操作和激励操作的SE模块以及融合不同区域范围信息的多尺寸卷积结构模块,所述多尺寸卷积结构模块包括:并联连接的1
×
1和3
×
3的两个标准卷积,对并联连接的两个标准卷积输出的特征图进行拼接的拼接模块,以及按顺序依次串联连接的滤波器数量分别为C和2C的两个3
×
3标准卷积。5.如权利要求4所述的古建筑脊兽装饰件巡检方法,其特征在于,利用所述多尺寸卷积预测头模块提取脊兽图像语义信息的具体处理过程为:所述第n卷积层模块输出的特征图输入所述SE模块进行处理,然后再经过所述多尺寸卷积结构模块处理后得到第一预测输出张量,其中...
【专利技术属性】
技术研发人员:侯妙乐,纪宇航,董友强,栗怡豪,郝务宸,孙晨曦,
申请(专利权)人:北京建筑大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。